BAB 2
STATISTIKA DALAM PENILAIAN
HASIL BELAJAR
Tabel 2.1. Jawaban dan sekor total siswa untuk sejumlah butir tes objektif
Sekor Responden
115
Statistika dalam Penilaian Hasil Belajar
B U T I R TES
1 2 3 4 5 6 ... i j... N
1
S 2
3
4
I 5
6
.
S .
.
g
W
h
.
A .
.
korelasi biserial. Dalam hal ini, korelasi biserial dimaknai sebagai instrumen
yang dapat menganalisis bentuk tes objektif pilihan ganda dan sejenisnya yang
diterapkan dalam penilaian hasil belajar, di mana koefisien korelasi seperti ini
dimanfaatkan untuk melihat hubungan antara butir skor dengan sekor totalnya
yang dihasilkan atau hasil jawaban pada masing-masing pertanyaan butir tes
yang diberikan dalam seperangkat tes tes objektif. Keefektifan penggunaan
korelasi biserial yang diterapkan pada tipe tes objektif pilihan ganda (multiple
choice) dan juga untuk tipe tes lainnya. Hasilnya berupa data dikotomi murni
yang oleh para guru digunakan untuk mengetahui karaktristik siswa dalam
memberikan jawaban pada tes objektif tersebut.
Aplikasi analisis statistika digunakan untuk melihat berbagai fenomena
berupa pola jawaban bervariasi yang diberikan oleh siswa, di mana para guru
dihadapkan berbagai fenomena berupa suatu kenyataan yang memperlihatkan
bahwa di satu pihak siswa akan memberikan jawaban yang benar terhadap
pertanyaan yang sulit, sementara di pihak lain beberapa siswa akan memberikan
jawaban yang salah atas pertanyaan soal. Dalam hal ini, sistem tebakan dalam
ujian tidak terhindarkan, sebab kemampuan setiap siswa berbeda, dan fenomena
ini tidak dapat dihindari. Pemakaian statistik statistik harus mentaati aturan atau
cara menarik kesimpulan yang bersifat umum. Pada dasarnya statistik sebagai
ilmu pengetahuan meliputi ciri khusus yaitu :
a. Statisik selalu bekerja dengan angka atau bilangan.
b. Statistik bersifat objektif menganalisis mengacu berdasarkan data yang ada.
c. Statistik bersifat universal yang dimaknai sebagai suatu ruang lingkup yang
menggarapan analisis yang berlaku untuk di semua bidang terapan ilmu
lainnya.
Pada proses analisis data hasil pengukuran, fungsi statistika meliputi
kajian penting mengingat bahwa ada tiga permasalahan dasar yang harus ditelaah
mengingat peranannya yang cukup dibutuhkan dalam setiap analisis statistik
mengacu pada kecenderungan memusat data mencakup: : hitungan rerata dari
sekelompok data, penyebaran data, dan keterkaitan atau korelasi antar berbagai
variabel yang mengandung kelompok data.
Fungsi dan kegunaan statistika dalam penilaian pendidikan
pengukuran kompetensi siswa setelah mereka menempuh proses pembelajaran
dalam kurun waktu tertentu sebenarnya dapat bersifat kuanatiatif yang dapat
dimaknai secara kualilitatif, namun dapat diubah menjadi alat uji statistika dalam
kaitannya dengan penilaian hasil belajar, cara pengukuran, instrumen yang
dipakai, data yang dihasilkan dengan menggunakan data kuantitatif , maka dapat
diyakini bahwa statistik akan mempunyai fungsi penting sebagai alat bantu untuk
memperoleh, menganalisis dan menyimpulkan hasil pengukuran yang diperoleh
dalam kegiatan penilaian tersebut. Upaya untuk memperoleh gambaran khusus
maupun gambaran secara umum tentang suatu fenomena atau peristiwa,
mengikuti perkembangan atau pasang surut mengenai gejala keadaan atau
peristiwa tersebut, dari waktu ke kewaktu, melakukan pengujian, apakah gejala
yang satu berbeda dengan gejala yang lain ataukah tidak, jika terdapat perbedaan
117
Statistika dalam Penilaian Hasil Belajar
118
Statistika dalam Penilaian Hasil Belajar
31, 33, 37, 35, 36, 38, 32, 40, 46, 45, 40, 44, 45, 45, 41, 40, 50, 53, 51, 48, 49,
47, 46, 53, 48, 54, 50, 48, 57, 55, 60, 59, 61, 62, 58, 57, 59, 60, 57, 56, 55, 58,
59,62, 61, 60, 55, 56, 57, 58, 60, 55, 59, 58, 61, 56, 57, 59, 58, 56,68, 65, 66,
69,69, 65, 60, 61, 65, 67,68, 67, 66, 69, 65, 60, 61, 63, 67, 68, 66, 68, 69, 67,
69,68, 66, 63, 64, 64, 65, 63, 64, 65,63, 64, 65, 66, 67, 68, 69, 68, 67, 65, 63, 64,
65,66, 73, 75, 78,79,72, 71,72, 74, 75, 76, 77, 78, 86, 79, 74, 75, 73, 74, 76, 77,
75, 76, 72, 70, 78, 79, 79, 77, 76, 74, 77, 78, 79 , 86, 87, 86, 86, 85, 80, 83, 82,
85, 84, 85, 87, 86, 80,84, 82, 81, 85, 86, 87, 82, 85, 86, 84, 90, 88, 89, 95, 94, 93,
92, 91, 90, 80, 89, 95, 92, 93, 95, 94, 92, 94, 97, 98, 96, 97, 98, 96, 98, 99.
Dari data mentah tersebut cukup sulit untuk menarik suatu kesimpulan
apa yang diinginkan sebelum data dianalisis dengan analisis yang diinginkan dan
data diinput lebih dahulu ke dalam daftar data distribusi frekuensi. Selanjutnya,
secara sepintas kita belum bisa menentukan berapa nilai ujian terkecil atau
terbesar. Demikian pula, kita belum bisa mengetahui dengan tepat, berapa nilai
ujian yang paling banyak atau berapa banyak mahasiswa yang mendapatkan nilai
tertentu. Dengan demikian, kita harus mengolah data tersebut terlebih dulu agar
dapat memberikan gambaran atau keterangan yang lebih baik.
119
Statistika dalam Penilaian Hasil Belajar
5. Tentukan nilai ujung bawah kelas interval pertama, dalam hal ini dapat
memilih data terkecil atau angka yang lebih kecil dari data terkecil asalkan
pada akhirnya nilai data terbesar terlingkupi dalam interval terakhir.
Contoh:
Andaikan data hasil tes objektif pelajaran Matematika yang diikututi
oleh 200 orang siswa sepertib tertera di atas, tentukanlah bentuk distribusi data
lengkapnya.
Penyelesaian:
1. Rentang atau range data = nilai tertinggi – nilai terendah = 99 – 31 = 68
Nilai Ujian f
31-38 7
39-46 9
47-54 21
55-62 32
63-70 48
71-78 33
79-86 24
87-94 18
95-102 8
Total 200
120
Statistika dalam Penilaian Hasil Belajar
f1 = 7; n = 200,
frekuensi kumulatif kurang dari, batas-batas kelas diganti dengan “kurang dari”
ekspresi yang menggambarkan kisaran nilai-nilai baru.
Frekuensi kumulatif
Nilai Ujian
kurang dari
kurang dari 31 0
kurang dari 39 7
kurang dari 47 16
kurang dari 55 37
kurang dari 63 69
kurang dari 70 117
kurang dari 80 150
kurang dari 88 174
Frekuensi kumulatif
Nilai Ujian
kurang dari
kurang dari 41 7
kurang dari 51 16
kurang dari 61 37
kurang dari 71 69
kurang dari 81 117
kurang dari 91 150
kurang dari 101 174
b. Histogram
frekuensi
60
50
40
30 frekuensi
20
10
0
31- 39- l47- 55- 63- 70- 80- 88- 96-
38 46 54 62 69 79 87 95 103
c. Poligon Frekuensi:
123
Statistika dalam Penilaian Hasil Belajar
60
50
40
30 Series1
20
10
d. Ogive
Bentuk grafik lain yang dapat dilakukan adalah ogive yang dimaknai
sebagai bentuk grafik garis yang melukiskan frekuensi kumulatif, yang terdapat
pada daftar tabel distribusi frekuensi kumulatif. Dalam hal ini, batas antara kelas
interval dihubungkan oleh ruas garis yang diawali dari batas bawah kelas
pertama dan berakhir pada batas atas dari kelas terakhir. Bentuk grafik ogive
berfungsi untuk menentukan jumlah nilai di bawah nilai tertentu. Sebagai contoh,
pada gambar berikut menunjukkan grafik ogive yang melukiskan frekuensi
kumulatif, yang terdapat pada daftar tabel distribusi frekuensi.
Jika diketahui data hasil pengukuran x1, x2,..., xn dengan rerata maka
simpangan baku didefinisikan sebagai berikut :
Nilai fi fk di fi . d fi . d2
Ujian
31-40 9 9 -3 -27 81
41-50 17 26 -2 -34 68
51-60 30 56 -1 -30 30
61-70 84 140 0 0 0
71-80 32 172 1 32 32
81-90 20 192 2 40 80
91-100 8 200 3 24 72
∑ 200 0 5 363
dan
125
Statistika dalam Penilaian Hasil Belajar
Jika dalam pengukuran diperoleh ada data x1, x2,..., xn dengan rerata , dan
simpangan baku s maka bilangan baku z didefinisikan sebagai berikut :
, untuk i = 1, 2, ..., n.
Dari data pada Tabel 2.9 diperoleh
, ,
Koefisien Varians
Koefisien varians dirumuskan sebagai berikut :
KV = , di mana s = simpangan baku, dan = rerata sekor
Dari tabel 2.9 diperoleh nilai koefisien varians sebagai berikut:
di mana: X dan Y menyatakan dua sekor variabel hasil pengukuran, dan , dan
menyatakan rerata sekor hasil pengukuran variabel X dan Y.
Contoh: Diketahui nilai hasil belajar mata pelajaran Matematika (X) dan
pelajaran Fisika (Y) untuk 20 orang siswa adalah sebagai berikut:
126
Statistika dalam Penilaian Hasil Belajar
(X) (Y)
1 57 64 -0.45 -2.1 0.945
2 56 63 -1.45 -3.1 4.495
3 55 66 -2.45 -0.1 0.245
4 57 66 -0.45 -0.1 0.045
5 55 65 -2.45 -1.1 2.695
6 54 67 -3.45 0.9 -3.105
7 53 69 -4.45 2.9 -12.905
8 56 68 -1.45 1.9 -2.755
9 57 69 -0.45 2.9 -1.305
10 58 67 0.55 0.9 0.495
11 59 68 1.55 1.9 2.945
12 55 69 -2.45 2.9 -7.105
13 57 66 -0.45 -0.1 0.045
14 58 67 0.55 0.9 0.495
15 53 65 -4.45 -1.1 4.895
16 54 64 -3.45 -2.1 7.245
17 61 67 3.55 0.9 3.195
18 62 68 4.55 1.9 8.645
19 67 61 9.55 -5.1 -48.705
20 65 63 7.55 -3.1 -23.405
Cov(X,Y) -3.31053
2. 8. Koefisien Korelasi
a. Korelasi Sederhana
Koefisien korelasi dimaknai sebagai suatu ukuran hubungan antara dua
atau lebih variabel, yang memiliki nilai antara -1 dan +1. Bila hanya dua variabel
saja yang dihubungkan maka korelasinyadisebut korelasi sederhana, sedangkan
bila lebih dari dua variabel maka dinamakan korelasi ganda. Jika dua variabel
memiliki hubungan linier sempurna, koefisien korelasi itu akan bernilai 1 atau -
127
Statistika dalam Penilaian Hasil Belajar
Dari hasil perhitungan korelasi perlu dilihat tingkat kebermaknaan hubungan itu
sehingga nilai r hitung harus dibandingkan dengan nilai korelasi yang tertera di
tabel korelasi dari r Product-Moment berikut dengan tingkat kesalah α yang
dipilih sedemikian rupa dan banyak data (N) yangyang dikorelasikan.
128
Statistika dalam Penilaian Hasil Belajar
129
Statistika dalam Penilaian Hasil Belajar
No X Y X2 Y2 XY
Penyelesaian:
Dari data hasil ujian Matematika (X) dan Fisika (Y) diperoleh :
, , , ,
Nilai korelasi ini adalah negatif, hal ini bermakna kurang baiknya
hubungan antara hasil ujian Matematika dengan Fisika, malah hubungan itu jelek
130
Statistika dalam Penilaian Hasil Belajar
sekali. Artinya jika salah satu nilai mata pelajaran naik menyebabkan mata
pelajaran lainnya malah menurun. Mungkin ada kesalahan dalam proses
pembelajaran ataupun penyebab lainnya, yakni guru pada kedua mata pelajaran
ini tidak pernah menerapkan atau mengajarkan salah satu yang berkaitan dari
kedua mat pelajaran ini, sedangkan semestinya harus diajarkan.
Korelasi product moment antara dua variabel juga dapat dihitung dengan
melibatkan pemakaian koefisien covarians antara kedua variabel yakni dengan
menghitung kuadrat akar perkalian varians-varians mereka. Untuk dua variabel
Xj dan Xk, maka koefisien korelasinya dihitung dengan rumus berikut.
b. Korelasi Biserial
Korelasi biserial mempersyaratkan adanya dua tipe data yang
dikorelasikan yakni data interval dengan data dikotomi murni. Korelasi ini
merupakan banyak sering digunakan dalam dunia pendidikan khususnya dalam
analisis butir dengan butir totalnya, dimana korelasi ini melihat hubungan antara
skor atau hasil jawaban pada masing-masing item pertanyaan yang diberikan
dalam tes dengan sekor total jawaban setiap siswa peserta tes. Korelasi biserial
efektif diberikan pada tipe tes objektif berupa tes pilihan ganda dan sejenisnya
namun dapat juga untuk tipe tes lainnya. Hasilnya para guru atau dosen dapat
mengetahui karaktristik siswa dalam memberikan jawaban terhadap soal tes yang
kita berikan. Dalam hal ini sebueh butir tes dikatakan memiliki karakteirstik
memadai bila buitr tes tersebut mampu memberikan kontribusi terhadap total
keseluruhannya. Rumusumum yang digunakan adalah:
, atau
di mana:
= rerata nilai X dari kelompok variabel dikotomi, di mana sampel dibagi
kedalam dua kelompok
131
Statistika dalam Penilaian Hasil Belajar
132
Statistika dalam Penilaian Hasil Belajar
133
Statistika dalam Penilaian Hasil Belajar
Contoh: Pada Tabel berikut diketahui data dikotomi X dan data kontinu Y dari
25 siswa. Maka korelasi biserial dihitung sebagai berikut
No X Y Y0 Y1
1 1 20 20
2 1 10 10
3 1 15 15
4 0 17 17
5 0 7 7
135
Statistika dalam Penilaian Hasil Belajar
6 0 9 9
7 1 16 16
8 0 30 30
9 1 40 40
10 0 52 52
11 1 41 41
12 0 22 22
13 0 27 27
14 1 19 19
15 1 10 10
16 1 11 11
17 1 18 18
18 0 17 17
19 0 13 13
20 1 13 13
21 0 15 15
22 1 15 15
23 0 16 16
24 1 16 16
25 0 17 17
Y 10.87
Tabel 2.13. Ringkasan data dikotomi X dan data kontinu Y dari 25 siswa.
No Y0 Y1
1 17 20
2 7 10
3 9 15
4 30 16
5 52 40
6 22 41
7 27 19
8 17 10
9 13 11
10 15 18
11 16 13
12 17 15
13 16
136
Statistika dalam Penilaian Hasil Belajar
20.17 18.77
Dengan demikian:
p 0.52
q 0.48
Yo 20.16667
Y1 18.76923
Y 10.86692
rb -0.0807
Contoh:
Diketahui data sekor hasil ujian Matematika dua kelompok yang
berhasil dan yang gagal seperti pada tabel distribusi frekuensi berikut .
Tentukanlah koefisien korelasi biserial dari kasus ini.
Tabel 2.14. Sekor hasil ujian Matematika dua kelompok yang berhasil dan yang
gagal
, dan
Proses perhitungan data nilai hasil ujian Matematika dua kelompok yang
berhasil dan kelompok siswa yang gagal diterakan pada tabel distribusi frekuensi
seperti pada tabel berikut . Tentukanlah koefisien korelasi biserial dari kasus ini.
137
Statistika dalam Penilaian Hasil Belajar
Tabel 2.15. Kisaran sekor dan proses hitungan korelasi biserial titik dari hasil
ujian Matematika dua kelompok yang berhasil dan yang gagal
Dengan demikian:
atau atau
atau
Tabel 2.16. Sekor jawaban dan sekor total hasil ujian Matematika untuk
25 orang siswa.
No X Y Y0 Y1
1 1 20 20
2 1 10 10
3 1 15 15
4 0 17 17
5 0 7 7
6 0 9 9
7 1 16 16
8 0 30 30
9 1 40 40
10 0 52 52
11 1 41 41
12 0 22 22
13 0 27 27
14 1 19 19
15 1 10 10
16 1 11 11
17 1 18 18
18 0 17 17
19 0 13 13
20 1 13 13
21 0 15 15
22 1 15 15
23 0 16 16
24 1 16 16
25 0 17 17
Y 10.87
139
Statistika dalam Penilaian Hasil Belajar
Tabel 2.17. Ringkasan sekor jawaban dan sekor total hasil ujian
Matematika untuk 25 orang siswa.
No Y0 Y1
1 17 20
2 7 10
3 9 15
4 30 16
5 52 40
6 22 41
7 27 19
8 17 10
9 13 11
10 15 18
11 16 13
12 17 15
13 16
20,167 18,77
Dengan demikian:
p 0.52
q 0.48
Yo 20.16667
Y1 18.76923
Y 10.86692
pb 0.0321
140
Statistika dalam Penilaian Hasil Belajar
rbis(i) = koefisien koelasi biserial antara sekor butir-i dengan sekor total
= rerata sekor total responden yang menjawab benar butir soal ke-i
= rerata sekor total seluruh responden
st = simpangan baku sekor total seluruh responden
pi = proporsi jawaban benar butir soal ke-i
qi = proporsi jawaban salah butir soal ke-i
Contoh:
Tabel 2.18. Data jawaban dalam bentu huruf 20 butir tes objektif oleh 20
siswa
Tabel 2.19. Data jawaban dalam bentuk angka 20 butir tes objektif oleh 20 siswa
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Total
1 0 0 1 1 0 1 0 1 1 0 1 0 0 0 0 0 1 0 1 0 8
2 1 0 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 0 1 1 9
3 1 0 1 0 0 1 1 1 1 0 1 0 0 1 0 0 1 1 1 1 12
141
Statistika dalam Penilaian Hasil Belajar
4 0 0 0 1 0 0 0 1 1 1 1 0 0 1 0 0 1 0 1 0 8
5 0 0 1 1 0 1 1 1 0 0 1 0 0 0 0 0 1 1 1 1 10
6 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1 0 1 1 7
7 0 0 0 1 0 1 1 1 1 0 0 0 0 1 0 1 1 1 1 1 11
8 0 0 1 1 0 1 1 1 0 1 0 1 0 1 0 1 0 0 0 0 9
9 1 1 1 1 0 0 0 1 1 0 1 0 0 1 1 0 1 0 1 1 12
10 0 1 0 1 1 1 0 0 0 1 1 0 1 0 0 0 1 1 1 1 11
11 0 0 0 1 0 1 1 0 1 0 0 0 0 0 0 1 1 0 1 0 7
12 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 1 0 1 6
13 0 0 0 1 0 0 1 1 1 0 1 0 0 1 0 0 1 0 1 0 8
14 1 0 0 1 0 1 1 1 1 1 0 0 0 1 1 0 0 1 0 1 11
15 0 1 1 0 1 1 0 1 0 1 1 1 0 0 1 1 0 0 1 1 12
16 1 1 1 1 1 0 0 1 0 1 1 0 0 1 1 1 0 0 1 1 13
17 1 1 1 0 1 1 1 1 1 1 1 1 1 0 0 1 1 1 0 0 15
18 1 1 1 1 1 0 1 1 0 1 0 0 1 1 1 1 1 0 1 1 15
19 0 1 1 0 1 1 0 1 1 1 0 1 1 0 0 1 1 1 0 0 12
20 1 0 1 1 0 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 15
∑ 10 7 12 14 6 11 10 16 12 12 11 4 6 11 6 11 15 9 15 13 211
10.55
st 2.6921
Total nilai setiap siswa berdasar jawaban benar dan salah disusun sebagai berikut.
Tabel 2. 20. Total nilai setiap siswa berdasarkan jawaban benar (1) salah (0)
17 15 15 15 15 15 15 15 15 15
18 15 15 15 15 15 15 15 15
19 12 12 12 12 12 12 12
20 15 15 15 15 15 15 15
∑ 115 90 142 147 78 118 113 178 128 137
p 10 7 12 14 6 11 10 16 12 12
11.5 12.86 11.83 10.5 13 10.73 11.3 11.13 10.67 11.42
rbis 0.41 0.45 0.42 0.37 0.46 0.38 0.40 0.39 0.38 0.40
Sambungan
11 12 13 14 15 16 17 18 19 20
1 8 8 8
2 9 9 9 9
3 12 12 12 12 12 12
4 8 8 8 8
5 10 10 10 10 10
6 7 7 7 7
7 11 11 11 11 11 11
8 9 9 9
9 12 12 12 12 12 12
10 11 11 11 11 11 11
11 7 7 7
12 6 6 6 6 6
13 8 8 8 8
14 11 11 11 11
15 12 12 12 12 12 12
16 13 13 13 13 13 13
17 15 15 15 15 15 15
18 15 15 15 15 15 15 15
19 12 12 12 12 12
20 15 15 15 15 15 15 15 15
∑ 118 48 74 120 78 122 160 103 158 144
P 11 4 6 11 6 11 15 9 15 13
10.73 12 12.33 10.91 13 11.09 10.67 11.44 10.53 11.08
rbis 0.38 0.42 0.43 0.38 0.46 0.39 0.38 0.40 0.37 0.39
143
Statistika dalam Penilaian Hasil Belajar
144
Statistika dalam Penilaian Hasil Belajar
145
Statistika dalam Penilaian Hasil Belajar
Koefisien Korelasi
Rho-Spearman
Untuk menghitung korelasi Rho-Spearman, terlebih dahulu kita
tentukan apakah ada atau tidak sekor yg sama. Masing-masing keadaan ini harus
mendapat perhatian agar tidak sampai melakukan kesalahan dalam perhitungan.
Hal itu dapat dijelaskan sebagai berikut.
a. Ada data yang sama pada X dan Y
b. Tidak ada data yang sama pada X dan Y
c. Ada data yang sama pada X, tapi pada Y tidak.
d. Tidak ada data yang sama pada X, tapi pada Y ada data yang sama
i. Untuk kasus Peringkat di mana Tidak ada sekor yang sama di X dan Y
Kalau tidak ada sekor yang sama maka data yg didapat diurutkan lebih
dahulu dari data terendah sampai data tertinggi. Selanjutnya dilakukan
perankingan atau peringkat yg sesuai. Selanjutnya dihitung korelasi Rho-
Spearman dengan rumus:
Contoh: Hitung koeisien korelasi Rho Spearman antara X dan Y pada data
berikut.
Tabel 2.21. Proses perhitungan koefisien korelasi Rho Spearman antara X dan Y,
untuk kasus Peringkat di mana Tidak ada sekor yang sama.
No X Y d d2
1 15 17 -2 4
2 16 20 -4 16
3 18 25 -7 49
4 19 32 -13 169
5 20 35 -15 225
6 22 38 -16 256
7 23 40 -15 225
8 25 43 -18 324
9 32 41 -9 81
146
Statistika dalam Penilaian Hasil Belajar
10 35 44 -9 81
11 36 45 -9 81
12 38 47 -9 81
13 40 50 -10 100
14 43 55 -12 144
15 44 57 -13 169
16 45 62 -17 289
17 47 64 -17 289
18 50 66 -16 256
19 53 67 -14 196
20 55 68 -13 169
21 57 69 -12 144
22 62 70 -8 64
23 64 73 -9 81
24 66 74 -8 64
25 68 75 -7 49
26 70 77 -7 49
27 75 82 -7 49
28 82 85 -3 9
29 88 88 0 0
30 88 92 0 0
n 3777
Jadi diperoleh:
, atau
ii. Untuk kasus Ranking (Peringkat) di mana ada sekor X yang sama sedang
sekor Y tidak sama
Untuk kasus terdapat sekor yg sama dikerjakan dengan terlebih dahulu
melakukan perankingan sekor, kemudian dilakukan perhitungan dengan
menggunakan rumus berbeda setelah terlebih dahulu dilakukan sebuah koreksi
terhadap rumus tersebut sebagai berikut. Besaran koreksi adalah:
, dan
dan
di sini t = banyaknya peringkat sama, dan N = banyaknya sekor.
Kemudian ditentukan pula besaran korelasi:
147
Statistika dalam Penilaian Hasil Belajar
Contoh:
Tabel 2.22. Data X, Y dan proses perhitungan koefisien korelasi Rho Spearman untuk
kasus Ranking (Peringkat) di mana ada sekor X yang sama sedang sekor Y
tidak sama.
Rakn- Rank-
No X Y X-urut Y-ikut Y-urut X Y d=RX-RY d2
1 90 38 15 30 17 1 4 -3 9
2 43 32 17 65 20 2.5 20 -17.5 306.25
3 74 34 17 78 25 2.5 30 -27.5 756.25
4 82 35 32 40 30 4.5 11 -6.5 42.25
5 44 86 32 76 32 4.5 29 -24.5 600.25
6 50 87 38 88 34 7.5 37 -29.5 870.25
7 38 88 38 55 35 7.5 16 -8.5 72.25
8 75 90 38 81 36 7.5 32 -24.5 600.25
9 88 92 38 25 37 7.5 3 4.5 20.25
10 60 93 43 32 38 10 5 5 25
11 66 64 44 86 40 11 35 -24 576
12 32 40 50 87 44 12 36 -24 576
13 17 65 55 60 46 13 17 -4 16
14 70 66 60 93 48 14.5 40 -25.5 650.25
15 70 67 60 48 50 14.5 14 0.5 0.25
16 68 68 62 62 55 16 18 -2 4
17 70 69 63 36 60 17 8 9 81
18 63 36 64 17 62 18 1 17 289
19 68 37 66 64 64 20 19 1 1
20 82 50 66 44 65 20 12 8 64
21 38 55 66 73 66 20 27 -7 49
22 55 60 68 68 67 23.5 23 -0.25 0.0625
23 66 44 68 37 68 23.5 9 13.75 189.06
24 62 62 68 74 69 23.5 28 -5.25 27.5625
25 38 81 68 46 70 23.5 13 9.75 95.06
26 75 82 70 66 72 28 21 7 49
27 88 84 70 67 73 28 22 6 36
28 66 73 70 69 74 28 24 4 16
29 68 74 70 80 76 28 31 -3 9
148
Statistika dalam Penilaian Hasil Belajar
30 32 76 70 72 78 28 26 2 4
31 17 78 74 34 80 31 6 25 625
32 70 80 75 90 81 32.5 38 -5.5 30.25
33 76 70 75 82 82 32.5 33 -0.5 0.25
34 68 46 76 70 84 34 25 9 81
35 70 72 82 35 86 36 7 29 841
36 60 48 82 50 87 36 15 21 441
37 64 17 82 20 88 36 2 34 1156
38 82 20 88 92 90 38.5 39 -0.5 0.25
39 38 25 88 84 92 38.5 34 4.5 20.25
40 15 30 90 38 93 40 10 30 900
∑ 2398 2414 10129,25
Peringkat t t3
2,5 2 8 0.5
4.5 2 8 0.5
7,5 4 64 5
14,5 2 8 0.5
20 3 27 2
23,5 4 64 5
28 5 125 10
32,5 2 8 0,5
36 3 27 2
38,5 2 8 0.5
TX 26,5
iii. Untuk kasus Ranking (Peringkat) di mana ada sekor X dan sekor Y
sama
149
Statistika dalam Penilaian Hasil Belajar
Tabel 2.24. Proses perhitungan koefisien korelasi Rho Spearman untuk kasus
ranking (peringkat) di mana ada sekor X dan sekor Y sama
Rx-
X- Y- Y- Ry
No X Y urut ikut urut R-X R-Y =d d2 tX ty
1 62 135 17 82 25 1 30.5 -29.5 870.25
2 88 25 25 82 25 2 30.5 -28.5 812.25 3 2
3 55 112 35 82 32 3 30.5 -27.5 756.25
4 116 32 40 128 38 4 44 -40 1600
5 50 115 43 66 38 5.5 14 -8.5 72.25 2 2 0.5 0.5
6 119 45 43 66 43 5.5 14 -8.5 72.25
7 68 167 44 75 45 7.5 27 -19.5 380.25 2 0.5
8 117 38 44 68 47 7.5 18 -10.5 110.25
9 35 82 45 136 50 9 48 -39 1521
10 128 68 46 70 55 10 22.5 -12.5 156.25
11 130 70 47 74 57 11 25 -14 196
12 43 66 50 115 62 12.5 40.5 -28 784 2 0.5
13 40 128 50 43 66 12.5 6 6.5 42.25
14 125 82 53 90 66 14 35.5 -21.5 462.25
15 44 75 55 112 66 15.5 38.5 -23 529 2 0.5
16 45 136 55 25 68 15.5 1.5 14 196
17 47 74 57 62 68 17 12 5 25
18 50 43 62 135 68 19 46.5 -27.5 756.25 3 2
19 53 90 62 88 68 19 33.5 -14.5 210.25
20 55 25 62 112 68 19 38.5 -19.5 380.25
21 57 62 66 55 70 22 10 12 144 3 2
22 62 88 66 66 70 22 14 8 64
23 66 55 66 75 70 22 27 -5 25
24 66 66 68 167 70 25 50 -25 625
25 68 50 68 50 74 25 9 16 256 2 0.5
26 70 57 68 68 75 25 18 7 49
27 75 68 70 57 75 27.5 11 16.5 272.25 2 0.5
28 82 47 70 70 75 27.5 22.5 5 25 2 0.5
29 88 75 74 70 82 29 22.5 6.5 42.25
150
Statistika dalam Penilaian Hasil Belajar
151
Statistika dalam Penilaian Hasil Belajar
Soal
Hitung s untuk kasus data X dan Y ada data yang sama dengan mengisi
kolom-kolom berikut.
Tabel 2.25. Data untuk kasus sekor X dan sekor Y sama, terhadap 40 siswa
152
Statistika dalam Penilaian Hasil Belajar
33 76 45
34 68 45
35 70 79
36 60 32
37 64 44
38 82 45
39 38 25
40 15 35
nd2
Soal
Hitung s untuk kasus data X ada yang sama tapi Y tidak sama dari data
dengan berikut dengan mengisi kolom-kolom data berikut.
Tabel 2.26. Data dan proses perhitungan koefisien korelasi Rho Spearman untuk
kasus ranking (peringkat) di mana ada sekor X dan sekor Y sama
(t3-t)/12
(t3-t)/12
X- Y- Rank- Rank-
No X Y urut urut X Y d d2 pX tX tX3 pY tY tY3
1 62 135
2 88 25
3 55 112
4 116 32
5 50 115
6 119 45
7 68 167
8 117 38
9 35 82
10 128 68
11 130 70
12 43 66
13 40 128
14 125 82
15 44 75
16 45 136
17 47 74
18 50 43
19 53 90
153
Statistika dalam Penilaian Hasil Belajar
20 55 70
21 57 75
22 62 82
23 66 88
24 66 90
25 68 68
26 70 70
27 75 66
28 82 17
29 88 82
30 90 75
31 68 44
32 70 70
33 66 75
34 17 66
35 82 68
36 75 70
37 44 75
38 74 82
39 43 88
40 90 90
41 25 68
42 62 70
43 88 66
44 134 110
45 124 135
46 142 125
47 122 125
48 136 168
49 150 168
50 46 170
n
154
Statistika dalam Penilaian Hasil Belajar
Jika pada korelasi biserial diperoleh nilai negatif maka hal itu
memperlihatkan bahwa butir-butir tes tersebut kemungkinan kurang sesuai
terhadap tujuan dari tes yang dilakukan. Butir tes yang menunjukkan nilai
biserial rendah mengindikasikan kekurangsesuaian butir tes dengan
permasalahan yang terdapat pada pertanyaan butir tes tersebut, di mana
guru akan mengkaji kesesuaian butir-butir tes terhadap tujuan tes yang
dilakukan. Butir-butir tes yang menunjukkan nilai biserial tertinggi dan
nilai p-value yang relatif tinggi mengindikasikan bahwa pertanyaan butir
tes dapat dijawab secara baik dan cukup merata oleh siswa karena nilai
keduanya tidak terpaut jauh. Hal ini diperlihatkan dengan jumlah siswa
yang menjawab benar sama dengan jumlah siswa yang menjawab salah,
sehingga hal ini menunjukkan butir tes tersebut yang tidak mengandung
masalah. Di sisi lain, pertanyaan butir tes yang paling banyak dijawab
salah oleh siswa mengidikasikan tingkat kesulitan tes cukup tinggi,
sehingga hal ini harus disesuaikan dengan kriteria statistik karena butir tes
semacam itu memiliki nilai p-value yang rendah, dan jika butir tes
memiliki nilai p-value yang tinggi, maka hal itu mengidikasikan bahwa
siswa hanya menebak jawaban.
e. Korelasi Tetrachoric
f. Koeisien Determinasi
maka notasi penulisan koefisien korelasi ini ditulis dengan r12.3 = korelasi parsial
antara variabel X1 dan X2, dengan menganggap X3 konstan, dan seterusnya,
sehingga secara umum: r12.m-1 = korelasi parsial antara variabel X1 dan X2, dengan
menganggap variabel lain (m -1) adalah konstan; Korelasi parsial dua variabel ,
dengan menganggap yang lain konstan adalah:
157
Statistika dalam Penilaian Hasil Belajar
Kriteria:
1. Jika koefisien kurtosis lebih kecil dari 0,263, maka bentuk distribusinya
adalah platikurtik.
2. Jika koefisien kurtosis sama dengan 0,263, maka bentuk distribusinya
mesokurtik.
3. Jika koefisien kemiringan lebih besar dari 0,263, maka bentuk
distribusinya leptokurtik.
Contoh. Data:
55, 58, 61, 63, 64, 67, 70, 72, 74, 76, 77, 80, 83, 85, 88, 89, 92, 94, 95, 98, 99,
103, 105, 108, 110, 112, 113, 116, 118, 120, 125, 130, 134, 136, 139, 145, 146,
148, 150
3. Leptokurtik, dimaknai sebagai suatu bentuk distribusi yang terjadi bila koefisien
kurtosisnya lebih besar dari 0,263, di mana distribusi distribusi ini mempunyai
puncak relatif tinggi.
Penentuan apakah suatu distribusi dari sekumpulan data mengacu pada distribusi
platikurtik, mesokurtik, atau leptokurtik dinilai berdasarkan koefisien kurtosisnya
yang dirumuskan dengan:
158
Statistika dalam Penilaian Hasil Belajar
1. Grafik yang dihasilkan adalah kurva berbentuk genta atau lonceng dan
memiliki satu titik puncak yang berada tepat diposisi pertengahan. Pada
kurva normal, nilai rata-rata hitung sama dengan median dan modusnya.
3. Bentuk kurva normal menurun pada kedua arahnya berupa yakni ke arah
kanan untuk nilai positif tak terhingga dan ke arah kiri untuk nilai negatif tak
terhingga.
4. Pada kurva normal, luas daerah yang terletak di bawah kurva dan yang berada
di atas sumbu mendatar seluas satu satuan ukur.
2,0 4772 4778 4783 4788 4793 4798 4803 4808 4812 4817
2,1 4921 4826 4830 4834 4838 4842 4846 4850 4854 4857
2,2 4661 4864 4864 4871 4875 4878 4881 4884 4887 4890
2,3 4983 4896 4896 4901 4904 4906 4909 4911 4913 4916
2,4 4918 4920 4922 4925 4927 4929 4931 4932 4934 4936
2,5 4938 4940 4941 4943 4945 4946 4948 4949 4951 4952
2,6 4953 4955 4956 4957 4959 4960 4961 4962 4963 4964
2,7 4965 4966 4967 4968 4969 4970 4971 4972 4973 4974
2,8 4974 4975 4976 4977 4977 4978 4979 4979 4980 4984
2,9 4981 4982 4982 4984 4984 4984 4985 4985 4986 4986
3,0 4987 4987 4987 4988 4998 4989 4988 4989 4990 4990
3,1 4990 4991 4991 4991 4992 4992 4992 4992 4993 4993
3,2 4993 4993 4994 4994 4994 4994 4995 4995 4995 4995
3,3 4995 4995 4995 4996 4996 4996 4996 4996 4996 4997
3,4 4997 4997 4997 4997 4997 4997 4997 4997 4997 4998
3,5 4998 4998 4998 4998 4998 4998 4998 4998 4998 4998
3,6 4998 4998 4999 4999 4999 4999 4999 4999 4999 4999
3,7 4999 4999 4999 4999 4999 4999 4999 4999 4999 4999
3,8 4999 4999 4999 4999 4999 4999 4999 4999 4999 4999
3,9 5000 5000 5000 5000 5000 5000 5000 5000 5000 5000
Sumber Rujukan: Spiegel: Theory and Staqtistics, New York: SchAUM
Publishing Co., 1961
Nilai sekor baku suatu data hasil pengukuran pada sebuah variabel dadalah
simpangan kasus itu daimaknai sebagai selisih data dengan rerata data total
dibagi dengan simpangan bakunya, yang dirumuskan dengan:
163
Statistika dalam Penilaian Hasil Belajar
Nilai koefisien Korelasi product moment antara dua variabel dimaknai sebagai
rasio covarians mereka untuk kuadrat akar perkalian varians-varians mereka.
Untuk dua variabel X dan Y maka korelasi mereka adalah:
Nilai koefisien determinasi antara dua variabel adalah kuadrat dari korelasi
mereka. Untuk dua variabel X dan Y , maka koefisien determinasi mereka adalah:
.
Catatan: koefisien r2 mengukur proporsi dari varians bersama untuk dua
variabel ; di mana r2 x 100% mengukur persentase variasn bersama mereka. Jika
variabel-variabel tersebut dibakukan r2, maka konsekuensi r memiliki difinisi
yang lebih sederhanayg juga harus diberikan. Bagi dua v dan Y yang dibakukan,
yakni Zx dan Zy, maka:
, dan
Definisi 8. Korelasi parsial antara dua variabel adalah korelasi produk moment
antara mereka, dengan menganggap varians dari beberapa variabel khusus lain
adalah konstan.
Notasi: r12.3 = korelasi parsial antara variabel X1 dan X2, dengan menganggap X3
konstan.
r12.m-1 = korelasi parsial antara variabel X 1 dan X2, dengan menganggap
variabel lain (m -1) adalah konstan.
Korelasi parsial dua variabel , dengan menganggap yang lain konstan adalah:
..................................
(3)
164
Statistika dalam Penilaian Hasil Belajar
55, 58, 61, 63, 64, 67, 70, 72, 74, 76, 77, 80, 83, 85, 88, 89, 92, 94, 95, 98, 99,
103, 105, 108, 110, 112, 113, 116, 118, 120, 125, 130, 134, 136, 139, 145, 146,
148, 150
LKi = ; i = 1, 2, 3
LDi = ; i = 1, 2, 3, ..., 9
LPi = ; i = 1, 2, 3, ..., 99
a. Matriks Sekor
Perlakuan statistik terhadap data sekor baris ditempatkan di dalam
sebuah matriks sekor. Terdapat hanya satu dan nol dalam sel dari matriks sekor,
selama masing-masing jawaban ditempatkan di dalam satu dari dua kategori.
Individu Butir
1 2 . . . i . . . n tj
1 X11 X12 . . . X1i . . . X1n X1i
165
Statistika dalam Penilaian Hasil Belajar
fi
................................ (1)
................................... (2)
166
Statistika dalam Penilaian Hasil Belajar
2.12. Varians
Variasi-variasi (dalam kemampuan, misalnya) dinyatakan dengan
perbedaan-perbedaan total sekor individu-individu dapat ditunjukkan menjadi
terbaik dengan maksud suatu distribusi frekuensi (lihat gambar di atas). Kita
dapat mengatakan dari distribusi berapa banyak individu yang menjawab benar
sejumlah butir dan berapa banyak jawaban yang lebih besar atau lebih kecil.
Variasi dari suatu distribusi dapat dinyatakan dalam beberapa
perbedaan pengukuran, seperti range, semi-interkuartil range, dan simpangan
baku. Dengan distribusi sekor tes tersebut kita secara bersamaan menggunakan
kuadrat simpangan baku (s2) merupakan varians kemampuan individu-individu
tersebut. Derivasi secara lebih sederhana dipertimbangkan dengan pengukuran
kemudian dengan pengukuran-pengukuran lain dari variabilitas.
Dengan emikian, varians adalah kuadrat simpangan baku dari suatu
distribusi, kita peroleh persamaan:
.............................. (3)
Butir
Individual 1 2 3 4 5 6 7 8 ti
1 1 0 0 0 0 0 0 0 1
2 1 1 1 1 0 0 1 1 6
3 1 0 1 0 0 0 0 0 2
167
Statistika dalam Penilaian Hasil Belajar
4 1 1 1 1 1 1 1 0 7
5 1 1 1 1 0 0 0 0 4
6 1 1 0 0 0 0 0 0 2
7 1 0 1 1 1 1 0 0 5
8 1 1 1 0 0 0 0 0 3
9 1 1 0 0 1 1 1 0 6
10 1 0 1 1 1 1 0 1 4
11 1 1 0 1 1 1 0 0 7
12 1 1 1 1 1 0 1 0 5
13 1 1 1 1 1 1 0 0 6
14 0 1 1 1 1 0 0 0 4
15 1 1 1 0 0 0 0 0 3
16 1 1 1 0 1 0 0 0 4
17 11 1 0 1 0 0 0 0 3
18 1 1 1 1 1 1 1 1 8
19 1 1 1 1 0 0 0 0 5
20 1 1 1 1 1 1 0 0 5
fi 19 16 15 13 11 8 5 3 9
0
pi 0,95 0,80 0,75 0,65 0,55 0,40 0,25 0,15
qi 0,05 0,20 0,25 0,35 0,45 0,60 0,75 0,85
0,047 0,160 0,187 0,227 0,247 0,240 0,187 0,127
5 0 5 5 5 0 5 5
168
Statistika dalam Penilaian Hasil Belajar
........................................... (4)
di mana X dapat diambil hanya bernilai 1 atau 0. Dari formula ini tampak bahwa
pi = Mi .......................................... (5)
Maksudnya bahwa nilai proporsi dariindividu yang menjawab benar butir tes
juga menyatakan rerata kinerja terhadap semua individu pada butir tes tersebut.
Apabila jumlah individu yang diuji sama untuk setiap butir tes, maka
rerata kinerja untuk seluruh individu pada tes tersebut (M t) menjadi jumlah
semua rerata individu butir tes:
Mt = Mi ...................................... (6)
Akan tetapi Mi = pi, sehingga:
Mt = pi ...................................... (7)
Dapat dilihat dari matriks sekor bahwa (7) adalah benar.
Selanjutnya dari persamaan dapat juga dicari simpangan baku untuk
varians butir tes tunggal sebagai berikut:
............................... (8)
Namun Mi = pi, sehingga (8) dapat diperluas dengan cara sebagai berikut:
............ (9)
Meskipun , dan .
Selama pi memiliki nilai yang sama, dalam semua istilah N, kita dapat menulis
...... (10)
169
Statistika dalam Penilaian Hasil Belajar
ketika tak seorangpun menjawab benar butir tes. Varians itu meningkat bila
frekuensi individu yang menjawab benar butir tes juga meningkat, sampai suatu
saat mencapai p = 0,50, q = 0,50, pq = 0,250 yang merupakan nilai maksimum.
Justru varians mencapai nilai tertinggi butir00tes bila separoh dari jumlah
individu menjawab benar tes itu.
Tabel 2.30. Matriks sekor terdiri dari 9 butir dan 20 individu
Butir
Individual 1 2 3 4 5 6 7 8 9 ti
1 1 1 1 1 1 1 1 0 1 8
2 1 1 1 1 1 1 1 1 1 6
3 1 0 1 1 1 1 0 0 0 5
4 1 1 1 1 1 1 0 1 0 7
5 0 1 1 1 0 0 0 0 0 3
6 1 1 1 1 1 1 0 1 1 8
7 1 1 0 1 1 1 1 0 0 6
8 1 1 1 1 1 1 0 1 0 7
9 1 1 1 1 1 1 0 0 0 6
10 1 1 1 1 1 1 1 0 0 7
11 1 1 1 1 1 1 1 1 1 9
12 1 1 1 1 1 0 0 0 0 4
13 1 1 0 0 0 0 0 0 0 1
14 0 1 1 1 1 0 0 0 0 4
15 1 1 1 1 0 1 1 1 0 7
16 1 1 1 1 1 0 0 0 0 5
17 1 1 1 1 1 1 1 0 1 8
18 1 0 1 0 0 0 0 0 0 2
19 1 1 1 1 1 1 1 1 1 9
20 1 1 1 1 1 1 0 1 0 7
fi 18 16 18 18 16 17 8 8 6
pi 0,90 0,80 0,90 0,90 0,80 0,70 0,40 0,40 0,30
Pada Tabel 2.38 tampak bahwa butir-butir dalam tes pertama secara
relatif mudah. Frekuensi jawaban benar di atas 0,50 untuk enam dari sembilan
butir, yakni butir 1 sampai butir 6, yang tampak pada sekor kolom bagi setiap
individu, atau distribusi sekor, di mana sekor-sekor pada bagian sebelah kanan
distribusi tersebut. Dengan memilih sekor yang mudah kita memiliki suatu
kemiringian negatif dari sekor-sekor itu. Untuk memberi gambaran akan hal
trsebut berikut disajikan contoh berikut.
Tabel 2.31. Matriks data sekor untuk tes berbeda terhadap 20 individu
Siswa 1 2 3 4 5 6 7 8 9 ti
nomor...
1 1 1 0 0 0 0 0 0 0 8
2 1 0 1 1 1 1 0 0 0 6
3 1 1 0 1 0 0 0 0 0 5
4 1 1 1 0 0 0 0 0 0 7
5 1 1 1 1 1 1 0 1 0 3
6 1 1 0 0 0 0 0 0 0 8
7 1 1 1 0 1 0 0 0 0 6
8 1 0 0 0 0 0 0 0 0 7
9 1 1 0 1 1 0 0 0 0 6
10 1 1 1 1 1 1 1 1 1 7
11 1 0 1 0 0 0 0 0 0 9
12 1 0 0 0 0 0 0 0 0 4
13 1 1 0 0 0 0 0 0 0 1
14 1 1 1 1 0 1 0 0 0 4
15 0 0 0 0 0 0 0 0 0 7
16 1 0 0 0 0 0 0 0 0 5
17 0 0 0 0 0 0 0 0 0 8
18 1 1 1 1 1 1 0 0 0 2
19 1 1 0 0 0 0 0 0 0 9
20 1 1 1 0 0 0 0 0 0 7
fi 18 14 9 7 6 5 1 1 1
pi 0,90 0,70 0,75 0,35 0,30 0,25 0,05 0,05 0,05
Pada Tabel 2.31, tampak bahwa butir-butir pada kesdua tes secara
relatif sukar. Dalam hal ini, frekuensi jawaban benar di atas 0,50 hanya untuk 3
dari 9 butir tes. Kesukaran butir juga dilukiskan pada sekor kolom untuk
masing-masing individu, di mana sekor-sekor itu dikelompokkan dalam separoh
distribusi sekor yang lebih rendah. Dengan memilih tingkat kesukaran butir kita
memperoleh kemiringan positip distribusi sekor tersebut.
Interkorelasi antara butir-butir yang secara relatif tinggi untuk kedua
matriks sekor. Individu-individu yang menjawab benar butir-butir itu menyertai
tingkat kesukaran biasanya menjawab butir dengan frekuensi lebih tinggi. Kita
dapat menyatakan bahwa distribusi sekor memiliki varians yang sama (
). Secara keseluruhan, kedua tes berbeda kesamaan di antara
individu-individu yang dites.
171
Statistika dalam Penilaian Hasil Belajar
Analisis Varians
dalam Pengukuran Pendidikan
a. Anava 1 Jalur (One Way Analysis Of Variance)
Pada suatu pengukuran suatu penelitian eksperimental pendidikan, sering
para guru ingin membedakan hasil capaian dari kelompok siswa yang diberi
perlakuan berbeda. Untuk hal ini analisis yang tepat diterapkan adalah dengan
statistic analisis varians, baik Anava 1, 2 dan 3 jalur.
Anava 1 jalur dapat digunakan untuk menguji hipotesis yang
menyatakan perbedaan rerata antara dua kelompok cuplikan atau lebih, dengan
menggunakan sample ramdom design atau group-
within treatment design untuk rancangan eksperimen. Untuk
mengetahui ada tidaknya perbedaan rerata yang signifikan antara kelompok-
kelompok tersebut dapat diuji dengan nilai F hitung atau F observasi (F o).
Untuk keperluan ini dapat dilakukan dengan menghitung jumlah kuadrat
(JK) untuk berbagai hal yang disebut sumber variansi, yaitu:
1. Untuk simple randomized design ialah sumber variansi antar, dalam
atau error dan total. Untuk sumber-sumber variansi ini JK nya berturut-turut
diberi simbol JKA, JKE, dan JKT yang dapat dihitung dengan rumus berikut
Setiap sumber variansi emiliki derajat kebebasan (db) yang besarnya adalah
dbA = a – 1; db E = N –a, dan dbT = N –1. Selanjutnya dapat dihitung besarnya
rerata jumlah kuadrat (RJK) untuk masing-masing sumber variansi yang
dihitung dengan membagi JK dengan db nya masing-masing-masing-masing-
masing. Semua nilai yang diperoleh disusun dalam daftar analisis variansi
(ANAVA) sebagai berikut
172
Statistika dalam Penilaian Hasil Belajar
Sumber Variansi db Fo
JK RJK
JKA dbA RJKA
Antar JKE dbE RJKE
Dalam/Error
JKT dbT - -
Total
Contoh . Efektivitas tiga metode mengajar M1, M2, dan M3 dapat dilihat pada
nilai tes prestasi belajar ketiga kelompok siswa yang diajar dengan
M1, M2, dan M3 setelah selesai satu program pengajaran dilakukan.
Jika ke tiga kelompok siswa yang diberi perlakuan M1, M2, dan M3
dipilih dan ditempatkan secara random, dan datanya sebagai berikut.
Catatan:
173
Statistika dalam Penilaian Hasil Belajar
Selanjunya dari tabel diperoleh db (2; 27) F0,05 = 3,35, dan F0,01 =
5,49. Dengan demikian Fo > F0,01 sehingga hasil pengujian bersifat signifikan
atau Ho ditolak dan hipotesis penelitian diterima. Jadi terdapat perbedaan yang
signifikan ( = 0,05) antar hasil belajar dari ketiga kelompok siswa yang diajar
dengan metode M1, M2, dan M3. Untuk mencari besarnya perbedaan rerata
antara M1, M2, dan M3 dapat diuji dengan uji t Anava dengan menggunakan
rumus:
Untuk db = 27 maka t0,05 = 1,70, sehingga tm3-m1 > t0,05 (berarti perbedaan
signifikan).
174
Statistika dalam Penilaian Hasil Belajar
Setiap sumber variansi memiliki derajat kebebasan (db) yang besarnya ialah:
dbA = a – 1; dbGWT = g – a; dbDG = N – g; dan dbT = N – 1. Selanjutnya dapat
dihitung rerata jumlah kuadrat (RJK) untuk masing-masing sumber variansi
yang dihitung dengan membagi JK dengan db nya masing-masing . Semua nilai
yang diperoleh disusun dalam daftar ANAVA sebagai tertera pada Tabel 2.35 .
Kriterianya adalah: jika Fo > Ft pada taraf signifikansi yang dipilih, dengan
db pembilang ialah dbA dan db penyebut ialah dbGWT, dan Ho ditolak.
Jadi ada perbedaan rerata antara perlakuan-perlakuan yang diuji, sedang
jika F0 < Ft, maka Ho diterima. Jadi tidak ada perbedaan rerata antara perlakuan-
perlakuan yang diuji.
Sumber Variansi db Fo
JK RJK
JKA a -1 RJKA
Antar JKGWT g–a RJKGWT
G-W-T JKDG N-g RJKDG
Dalam G
JKT N-1 - -
Total
175
Statistika dalam Penilaian Hasil Belajar
Contoh.
Ada dua metode mengajar yang masing-masing metode diberlakukan
terhadap tiga kelompok. Misalnya metode A1 terhadap kelompok G1, G2, dan
G3, kemudian metode A2 terhadap kelompok G4, G5, dan G6. Dalam rancangan
ini yang dirandom adalah kelompok. Setelah dalam tes prestasi belajar untuk
menguji efektivitasnya diperoleh hasil sebagai berikut:
Tabel 2.36. Ringkasan Anava metode A1 terhadap kelompok G1, G2, dan G3,
dan metode A2 terhadap kelompok G4, G5, dan G6
A1 A2
G1 G2 G3 G4 G5 G6
6 4 4 5 6 6
6 4 5 6 7 7
5 5 6 6 7 7
5 6 6 7 7 8
6 7 6 7 8 8
n 5 5 5 5 5 5
X 28 26 27 31 35 36 183
X2 158 142 149 195 247 262 1153
x2 1,2 6,8 3,2 2,8 2 2,8
5,6 5,2 5,4 6,2 7 7,2
X 81 102
X2 449 704
Perhitungan:
176
Statistika dalam Penilaian Hasil Belajar
177
Statistika dalam Penilaian Hasil Belajar
Tabel 2.37. Daftar ANAVA Group-within treament design 1 jalur dua metode
terhadap 3 kelompok.
Sumber variansi db Fo
JK RJK
db = (1,4) maka Ft0,05 = 7,71. dan Ft 0,01 = 21,20, sehingga Fo > Ft 0,05,
maka hasil pengujian bersiat signifikan atau Ho ditolak dan Ha diterima. Jadi
terdapat perbedaan yang signifikan ( = 0,05) antara prestasi belajar siswa yang
diajar dengan metode A1 dan A2.
Metode (A)
A1 A2 A3
Jenis Sekolah (B)
perbedaan rerata antar B. Akan tertapi jika F 0AB signifikan yang berarti
ada interaksi, maka kita harus menguji simple effect nya (effect
sederhana). Simple effect ialah perbedaan antar A pada setiap kelompok
Bi (i = 1,2, ...), atau perbedaan antar B pada setiap kelompok A i. Untuk
itu digunakan ANAVA 1 jalan.
Semua nilai yang diperoleh disusun dalam Tabel ANAVA sebagai berikut.
Tabel 2.39. Tabel Anava 2 jalur.
Sumber Variansi db Fo
JK RJK
JKA a-1 RJKA
Antar A
JKAB (a - RJKAB
Inter AB 1)(b
- 1)
JKD N– RJKD -
Dalam ab
N -1 - -
Total
A
B A1 A2 A3
B1 6 7 9
5 6 8
180
Statistika dalam Penilaian Hasil Belajar
6 6 8
6 7 6
4 7 7
7 5 7
6 8 8
7 8 9
47 54 62 163
x2 6,785 7,5 7,5 21,875
B2 8 7 6
9 7 5
8 8 4
7 8 5
6 6 6
6 6 7
7 5 8
8 6 6
59 53 47 159
x2 7,875 7,875 10,875 26,625
Total 106 107 109 322
JKA =
JKB =
JKAB =
= 22,792
JKD = 48,5
Sumber db Fo
Variansi JK RJK
181
Statistika dalam Penilaian Hasil Belajar
JKA =
JKD = 21,875
182
Statistika dalam Penilaian Hasil Belajar
Sumber db Fo
Variansi JK RJK
14,083 2 7,042 6,76
Antar A -
21,875 21 1,042
Dalam
35,958 23 - -
Total
Uji t ANAVA
t (A2 – A1) =
t (A3 – A2) =
t (A2 – A1) tidak signifikan berarti tidak ada perbedaan yang signifikan
antara prestasi belajar dari kelompok siswa yang diajar dengan metode ceramah
itu metode diskusi.
t (A3 – A2) signifikan, berarti ada perbedaan yang signifikan ( = 0,05) antara
metode diskusi metode penemuan. Demikian pula, terdapat perbedaan yang
signifikan antara metode ceramah dan metode penemuan. Selanjutnya t (A 3 – A1)
183
Statistika dalam Penilaian Hasil Belajar
Untuk menjawab pertanyaan (1) dan (2) dapat dibuat tes faktorial design sebagai
berikut :
Urutan Penyajian
(A)
Administrasi
II III IV
I
(B)
B1
B2
B3
B4
B5
Contoh soal:
Urutan Penyajian
(A)
A2 A3 A4
A1 (X2) (X3) (X4)
(X1)
B1 3 3 4 5
3 4 4 6
4 5 5 7
5 5 6 7
6 7 7 8
21 24 26 33 104
Administrasition
4 5 6 7
5 6 7 7
6 7 8 8
6 7 8 9
25 30 35 37 127
x2 4 4 4 5,2 17,2
B3 4 6 7 8
5 6 7 8
6 7 8 9
6 7 8 9
7 8 9 9
28 34 39 43 144
x2 5,2 2,8 2,8 1,2 12
Total 74 88 100 113 375
JKA =
185
Statistika dalam Penilaian Hasil Belajar
JKB =
JKD = 56,8
JKT = 2499 -
Tabel 2.45. Daftar Ringkasan Anava Model Random.
db F0
Sumber JK RJK P
Variansi
Antar A 55,52 3 18,51 49,15 < 0,01
Antar B 40,30 2 20,15 45 < 0,01
Interaksi AB 2,633 6 0,439 0,37 < 0,05
Dalam 56,80 48 1,18 - -
Total 59 - - -
Kesimpulan: F0A > F0,01 berarti urutan penyajian suatu tes psikologi mempunyai
pengaruh yang sangat signifikan ( = 0,05) terhadap respon
subjek.
F0B > F0,01 berarti administrator yang menyajikan suatu tes psikologi
mempunyai pengaruh yang sangat signifikan ( = 0,05) terhadap respon subjek.
F0AB < F0,05 berarti tidak ada interaksi yang signifikan antara urutan
penyajian dan administrator yang menyajikan suatu tes psikologi.
186
Statistika dalam Penilaian Hasil Belajar
terhadap prestasi belajar, tetapi ingin pula diselidiki apakah guru yang
menyelidiki ketiga metode tersebut juga mempunyai pengaruh terhadap prestasi
belajar siswa yang diajar, dapat digunakan two factorial design mixed model.
Rancangannya adalah sebagai berikut .
Tabel 2.46. Rancangan Anava Two Factorial Design.
Metode A
A2 A3
A1
Guru B1
B B2
B3
Contoh. Tiga metode A1, A2, dan A3 yang diajar oleh guru B1, B2, dan B3
hasilnya tertera pada Tabel 2.54. Tentukalah apakah ada perbedaan
yang sangat signifikan ( = 0,01) antara kelompok-kelompok siswa
yang diajar dengan metode A1 , A2, dan A1.
Metode A
A1 A2 A3
B1 3 3 4
3 4 5
4 5 5
5 5 6
15 17 20 52
x2 2,75 2,75 2 7,5
B2 3 4 5
3 4 5
Guru B
4 5 6
4 6 6
14 19 22 55
x2 1 2,75 1 4,75
B3 4 5 6
5 6 7
6 6 8
7 7 8
187
Statistika dalam Penilaian Hasil Belajar
22 24 29 75
x2 5 2 2,75 9,75
51 60 71 182
Total
JKA =
JKB =
db F0
Sumber Variansi JK RJK
Antar A 16,72 2 8,36 8,36
Antar B 26,06 2 12,03 15,99
Interaksi AB 1,11 4 0,28 0,34
Dalam 22,00 27 1,18 -
Total 65,889 35 - -
188
Statistika dalam Penilaian Hasil Belajar
F0B > F0,01 berarti sangat signifikan, Ho ditolak. Jadi guru yang
menyajikan memiliki pengaruh yang sangat signifikan ( = 0,01)
terhadap hasil belajar siswanya.
F0AB < F0,05 tidak signifikan berarti H0 diterima. Jadi tidak ada
interaksi antara jenis metode penyajian dengan guru yang
menyajikannya.
Uji t
t (A2 – A1) =
t (A3 – A2) =
Soal.
Dalam suatu penelitian eksperimental, diketahui judul penelitian sebagai
berikut. “Pengaruh Metode Mengajar terhadap Hasil Belajar Sejarah ditinjau
dari Jenis Kelamin siswa di Pesantren Al Kautsar Medan yang ringkatan
rangkuman datanya seperti Tabel berikut:
Dari judul dan data di atas diturunkan pertanyaan penelitian sebagai berikut :
1) Apakah terdapat pengaruh penggunaan metode
mengajar terhadap hasil belajar Sejarah pada siswa di di Pesantren Al
Kausar Medan?
2) Apakah terdapat pengaruh hasil belaajr Sejarah antara
siswa pria dan siswa wanita pada siswa di di Pesantren Al Kausar
Medan?
189
Statistika dalam Penilaian Hasil Belajar
a). Variabel bebas : (1) Metode Mengajar, yang dibedakan atas 3 yaitu;
metode karyawisata, sosiodrama, dan
pemecahan masalah
(2) Jenis Kelamin, yang terdiri dari Pria dan
Wanita
b). Variabel terikat: Hasil belajar sejarah
Hipotesis penelitian dan hipotesis statistiknya adalah sebagai berikut :
1) Terdapat pengaruh yang signifikan penggunaan metode
mengajar terhadap hasil belajar Sejarah pada siswa di di
Pesantren Al Kausar Medan?
H0 :1 = 2 = 3
H1 : Ada paling sedikit satu rerata yang tidak sama
= 5263 - = 456,85
190
Statistika dalam Penilaian Hasil Belajar
Kesimpulan:
Tabel 2.50. Daftar Anava Uji Efek Utama (Pengaruh Metode Mengajar,
Jenis Kelamin dan Interaksi terhadap Hasil Belajar Sejarah
Oleh karena ada interaksi yang sangat berarti (sangat signifikan) antara
metode mengajar karyawisata, sosiodrama dan pemecahan masalah dengan
jenis kelamin (pria dan wanita) terhadap hasil belalajar Sejarah di Pesantren Al
Kautsar Medan maka harus diuji signifikansi simple effectnya dengan
menggunakan ANAVA 1 jalan.
JKA =
192
Statistika dalam Penilaian Hasil Belajar
Hasil perhitungan tersebut di atas dirangkum dalam tabel Anava sebagai berikut :
Ternyata nilai F0A = 46,287 > F0,01 (2,27) = 5,49 yang berarti H0 ditolak
Kesimpulan: Terdapat perbedaan yang sangat signifikan antara metode mengajar
terhadap jenis kelamin Pria. Artinya Metode karyawisata, Metode sosiodrama
dan Metode Pemecahan masalah memberikan pengaruh yang sangat signifikan
terhadap hasil belajar siswa- siswa Pria..
JKA =
193
Statistika dalam Penilaian Hasil Belajar
Hasil perhitungan tersebut di atas dirangkum dalam tabel Anava sebagai berikut :
Tabel 2.52. Daftar Anava Ketiga Metode Mengajar Terhadap Siswa Wanita
Ternyata nilai F0A = 26,68 > F0,01 (2,27) = 5,49 yang berarti H0 ditolak
Kesimpulan: Terdapat perbedaan yang sangat signifikan antara metode mengajar
terhadap jenis kelamin Pria. Artinya Metode karyawisata, Metode sosiodrama
dan Metode Pemecahan masalah memberikan pengaruh yang sangat signifikan
terhadap hasil belajar siswa- siswa Wanita..
JKA =
Ternyata nilai F0B = 45,59 > F0,01 (1,28) = 8,28 yang berarti H0 ditolak
Kesimpulan: Terdapat perbedaan yang sangat signifikan antara hasil belajar
siswa Pria dengan siswa Wanita jika diterapkan metode karyawisata.
4. Pengaruh Jenis Kelamin terhadap Metode Mengajar Sosiodrama
JKB =
Hasil perhitungan tersebut di atas dirangkum dalam tabel Anava sebagai lengkar
berikut.
195
Statistika dalam Penilaian Hasil Belajar
Tabel 2.54. Daftar anava jenis jenis kelamin terhadap metode sosiodrama
Ternyata nilai F0B = 18,94 > F0,01 (1,28) = 8,28 yang berarti H0 ditolak
Kesimpulan: Terdapat perbedaan yang sangat signifikan hasil belajar antara
Siswa Pria dan Wanita terhadap penerapan metode mengajar Sosiodrama yang
digunakan. Artinya hasil belajar siswa Pria dan Wanita berbeda sangat nyata
jika diterapkan metode mengajar Sosiodrama.
JKB =
Hasil perhitungan tersebut di atas dirangkum dalam tabel Anava sebagai berikut :
196
Statistika dalam Penilaian Hasil Belajar
Tabel 2.55. Daftar Anava Jenis Kelamin terhadap Metode Mengajar Pemecahan
Masalah
Ternyata nilai F0B = 29,46 > F0,01 (1,28) = 7,64 yang berarti H0 ditolak
Kesimpulan: Terdapat perbedaan yang sangat signifikan hasil belajar antara
Siswa Pria dan Wanita terhadap penerapan metode mengajar Pemecahan
Masalah. Artinya Ada pengaruh yang signifikan jika terapkan metode
Pemecahan terhadap hasil belajar Sejarah siswa Pria dan Wanita.
Setelah dilakukan uji interaksi dan uji simple effect dan hasilnya
ternyata sangat signifikan, maka selanjutnya dilakukan uji lanjut (post hoct)
untuk mengetahui pengaruh metode mana yang memberikan perbedaan secara
signifikan dari ketiga metode yang dilibatkan. Untuk menguji hal itu digunakan
uji t yaitu:
Djaali, 1984)
t (A2 – A1) =
197
Statistika dalam Penilaian Hasil Belajar
t (A3 – A1) =
t (A3 – A2) =
198
Statistika dalam Penilaian Hasil Belajar
t (A1– A2 =
t (A1 – A3) =
199
Statistika dalam Penilaian Hasil Belajar
Siswa Wanita. Hal ini merupakan kebalikan jika hal tersebut diterapkan pada
siswa Pria.
t (A2 – A3) =
t (B2– B1 =
200
Statistika dalam Penilaian Hasil Belajar
t (B1– B2 ) =
t (B1– B2 ) =
Soal:
Dalam suatu penelitian eksperiment digunakan tiga buah perlakuan
metode mengajar A1 = Metode Karyawisata, A 2 = Metode Sosiodrama, dan A3 =
Metode Pemecahan Masalah diterapkan pada sekolah Negeri dan Swasta, yang
akan melihat pengaruh ketiga metode tersebut terhadap prastasi belakjar
Matematika (Y). Banyak siswa yang dilibatkan adalah 10 siswa. Hasilnya adalah
sebagai berikut :
3 6 11 11 7 13 6
4 7 9 8 8 10 7
5 5 11 9 9 11 5
6 5 12 9 8 12 5
7 6 10 10 10 13 6
8 6 10 10 9 13 6
9 7 14 11 9 16 7
10 7 9 13 8 10 8
Pertanyaan:
1) Formulasikan judul anda sesuai dengan nama variabel yang
dipilih
2) Buatlah pertanyaan penelitian (masalah) berdasarkan data
tersebut di atas dan nama variabel anda!
3) Buat hipotesis penelitian dan hipotesis statistiknya!
4) Lakukan uji hipotesis untuk menguji perbedaan rerata antara
kelompok, baik efek utama (main effect) maupun efek
sederhana (simple effect)
5) Lakukan uji lanjut (post hoct) untuk mengetahui mana yang
berbeda secara signifikan dari kelompok-kelompok yang ada
c. Anava 3 Jalan (Three Way Analysis Of Variance)
Anava 3 jalan dapat digunakan untuk menguji hipotesis yang
menyatakan perbedaan antara kelompok-kelompok cuplikan yang menggunakan
three factorial design Dengan ANAVA 3 jalan kita dapat mengetahui informasi
tentang :
1. Perbedaan rerata antara kelompok-kelompok cuplikan yang
disebabkan oleh masing-masing perlakuan dari ketiga perlakuan yang
diselidiki.
2. Ada tidaknya interaksi antara 2 perlakuan dari ke tiga
perlakuan yang diselidiki.
3. Ada tidaknya interaksi antara 3 perlakuan yang diselidiki
Jika ketiga perlakuan yang akan diselidiki pengaruhnya terhadap ubahan
terikat ialah A, B, dan C, maka rancangan yang tepat dihitung (dianalisis)
dengan ANAVA 3 jalan sebagai berikut :
B C
A
A1 A2 A3
C1
B1 C2
C3
C4
D1
D2
B2 D3
D4
203
Statistika dalam Penilaian Hasil Belajar
Sumber db Fo
Variansi JK RJK
204
Statistika dalam Penilaian Hasil Belajar
F0AC = ;
205
Statistika dalam Penilaian Hasil Belajar
B C A
A1 A2 A3
206
Statistika dalam Penilaian Hasil Belajar
C1 3 3 4
3 4 6
4 5 6
10 12 16 38
x2 0,667 2 2,667 5,3
C2 3 4 5
B1 4 5 6
6 6 6
13 15 17 45
x2 4,667 2 0,667 7,3
C3 5 6 6
5 7 7
6 6 8
16 19 21 56
x2 0,667 0,667 2 3,334
C1 4 4 6
4 5 6
5 5 7
13 15 19 46
x2 0,667 0,667 0,667 2,00
C2 4 4 7
B2 4 5 7
5 7 7
13 16 21 50
x2 0,667 4,667 0 5,334
C3 6 7 8
6 7 8
7 8 9
19 22 25 66
x2 0,667 0,667 0,667 2
84 98 119 301
207
Statistika dalam Penilaian Hasil Belajar
208
Statistika dalam Penilaian Hasil Belajar
Sumber Variansi db F0 p
JK RJK
34,481 2 17,2405 24,50 < 0,01
Antar A
9,796 1 9,796 13,92 < 0,01
Antar B
42,481 2 21,2405 30,18 < 0,01
Antar C
0,927 2 0,4635 0,66 > 0,05
Interaksi AB
0,742 4 0,1855 0,26 > 0.05
Interaksi AC
0,704 2 0,3520 0,50 > 0,05
Interaksi BC
0,739 4 0,1875 0,26 > 0,05
Interaksi ABC
25,336 36 0,7037 - -
Dalam
115,204 53 - - -
Total
F0ABC, F0AB, F0AC, F0BC tidak signifikan berarti tidak ada interaksi
antara perlakuan A, B, dan C
F0A > F0,01 adalah sangat signifikan berarti H 0 ditolak. Jadi ada
perbedaan yang signifikan ( = 0,01) antara hasil belajar kelompok
siswa yang diajar dengan metode A1, A2, dan A3
F0B > F0,01 adalah sangat signifikan berarti H 0 ditolak. Jadi ada
perbedaan yang signifikan ( = 0,01) antara kelompok siswa yang
bersikap positip dan kelompok siswa yang bersikap negatif terhadap
pelajar.
F0C > F0,01 adalah sangat signifikan berarti H 0 ditolak. Jadi ada
perbedaan hasil belajar yang sangat signifikan ( = 0,01) antara IQ
tinggi, IQ sedang, dan IQ rendah
209
Statistika dalam Penilaian Hasil Belajar
(signifikan)
(signifikan)
(signifikan)
(signifikan)
Tabel 2.61. Anava 2 jalan untuk menguji hipotesis dengan rancangan kombinasi
factorial design dan GWT Design atau Rancangan sama subyek
A
S A1 A2 A3
B
S1
B1 S2
S3
S4
S5
S1
S2
B2 S3
S4
S5
210
Statistika dalam Penilaian Hasil Belajar
1. Mengabaikan A dan B
JKT = JKA + JKS + JKDS Mengabaikan B.
JKT = JKA + JKS + JKAS
2. Mengabaikan A (Group Within Treatment Design)
JKT = JKB + JKGWT + JKDS
Mengabaikan S
JKT = JKA + JKB + JKAB + JKD
211
Statistika dalam Penilaian Hasil Belajar
212
Statistika dalam Penilaian Hasil Belajar
Contoh :
Diketahui : A = periode pengamatan (prestasi)
A1 = prestasi bulan pertama
A2 =prestasi bulan kedua
A3 = prestasi bulan ketiga
B = metode mengajar
B1 = metode ceramah
B2 = metode diskusi
B3 = metode penemuan
213
Statistika dalam Penilaian Hasil Belajar
A
S A1 A2 A3
B
S1 4 4 4 12
B1 S2 4 5 5 14
S3 5 6 5 16
S4 5 5 5 15
S5 6 6 5 17
24 26 24 74
S1 3 4 5 12
S2 3 4 5 12
B2 S3 4 5 6 15
S4 5 6 6 17
S5 5 6 7 18
20 25 29 74
S1 2 6 8 16
S2 2 7 9 18
B3 S3 3 7 9 19
S4 4 6 8 18
S5 4 8 10 22
15 34 44 93
59 85 97 241
214
Statistika dalam Penilaian Hasil Belajar
Sumber JK db RJK F0 P
Variansi
Antar S 37,644 14 2,689 - -
Antar B 10,044 2 8,022 4,46 < ,05
SWT (E1) 21,600 12 1,800 - -
Antar A 50,311 2 25,155 116,10 < ,01
Interaksi AB 45,156 4 11,289 52,10 < ,01
Residu (E2) 5,200 24 0,216 - -
Total 138,311 44 - - -
215
Statistika dalam Penilaian Hasil Belajar
LATIHAN 2
1. Di dalam sebuah tes di mana jawaban benar dinyatakan dengan 1 dan jawaban
salah dinyatakan dengan 0, dan butir-butir tes itu adalah homogen, butir 1
memiliki frekuensi jawaban benar p = 0,50. Distribusi butir tersebut sebagai
berikut:
0,50 0,50
0 1
Butir 2 memiliki p = 0,80. Jika r12 = 1,00, hal ini diselesaikan dengan semua
50% yang menjawab benar butir 1, dan dengan 30% sisanya. Distribusi sekor
untuk butir 1 dan 2 sebagai berikut:
0,50
0,20 0,30
0 1 2
Gambarkan distribusi tes yang dimasukkan, di mana butir 3 memiliki p =
0,90, butir 4 dengan p = 0,70, butir 5 dengan p = 0,60, butir 6 dengan p =
0,10, butir 7 dengan p = 0,20, butir 8 dengan p = 0,30, dan butir 9 dengan p =
0,40. Apakah tipe distribusi yang diperoleh?
3.
a. Gunakan Tabel untuk menentukan luas daerah sebelah kiri dari sekor-
sekor z berikut: -2,25, -1,75, -1,25, -0,75, -0,25, 0,25, 0,75, 1,25, 1,75,
2,25
b. Gunakan tabel z yang sama, temukan luas daerah antara nilai-nilai sekor-
sekor z: - dan -2,25; -2,25 dan -1,75; -1,75 dan -1,25; -1,25 dan -0,75; -
0,75 dan dan -0,25; -0,20 dan 0,25; 0,25 dan 0,75; 0,75 dan 1,25; 1,25
dan 1,75; 1,75 dan 2,25; 2,25 dan .
4. Temukanlah sekor z yang menghubungkan nilai p terhadap masing-masing
butir dalam : a. Soal 1 dan b. Soal 2. Bandingkan korelasi antara sekor z
untuk dua himpunan data tersebut.
5. (a) Untuk data matriks data di atas, konstruksilah sebuah distribusi sekor-sekor
total dengan bobot kelas 2. (b) Hitunglah f, p, dan z padqa masing-masing
butir itu. (c) Pilihlah kira-kira 10 butir untuk bentuk suatu tes yang
216
Statistika dalam Penilaian Hasil Belajar
(a)
27 1 1 1 1 0 1 0 0 0 0 0 0 1 1 1 0 0 0 0 0 ...
28 0 0 0 1 1 1 0 1 0 0 0 1 0 1 1 0 1 0 0 1 ...
29 1 1 1 1 0 0 0 0 1 1 0 0 1 1 0 1 1 1 0 1 ...
30 1 1 0 0 1 1 1 1 1 0 0 0 0 1 0 1 1 1 0 0 ...
B 15 11 15 19 11 14 13 14 14 15 8 10 14 17 12 12 15 16 10 15
S 15 19 15 11 19 16 17 16 16 15 22 20 16 13 18 18 15 14 20 15
p 0.5 0.37 0.5 0.63 0.37 0.47 0.43 0.47 0.47 0.5 0.267 0.33 0.47 0.57 0.4 0.4 0.5 0.53 0.33 0.5
q 0.5 0.63 0.5 0.37 0.63 0.53 0.57 0.53 0.53 0.5 0.733 0.67 0.53 0.43 0.6 0.6 0.5 0.47 0.67 0.5 0.63
Butir
Siswa
1 2 3 4 5 6 7 8 9 10 11 12
1 1 1 1 0 1 0 1 1 0 1 1 1
2 1 0 0 0 0 0 0 0 1 0 0 1
3 0 1 0 1 0 0 1 0 0 0 1 0
4 0 0 0 0 1 1 0 1 1 0 0 0
5 0 0 1 1 0 0 0 0 0 0 0 1
6 1 1 0 1 1 1 0 0 1 1 0 0
7 0 0 0 0 0 1 0 0 1 1 0 0
8 1 1 1 1 1 1 0 1 0 0 0 0
9 1 0 0 0 1 1 0 0 1 1 0 1
10 0 0 0 0 1 0 1 1 1 1 0 0
11 1 0 1 1 0 1 0 0 0 1 0 1
12 1 1 0 0 0 0 0 0 0 0 1 1
13 0 1 1 0 0 0 1 0 1 1 0 1
14 0 1 0 0 0 1 1 0 1 0 0 1
15 0 1 0 0 0 0 1 0 0 1 1 1
16 0 1 0 1 0 1 1 1 0 1 0 1
17 0 0 1 1 0 0 1 0 1 1 1 1
18 1 0 0 0 0 1 0 0 1 0 0 1
19 1 0 1 1 1 0 0 1 1 0 1 0
20 0 1 1 1 0 0 0 0 0 1 1 1
21 0 0 1 1 1 0 1 1 0 0 0 1
22 0 0 0 1 1 1 1 1 0 1 1 1
23 0 0 0 1 1 1 1 1 1 0 0 1
24 0 1 1 1 0 1 1 0 1 1 0 0
25 0 0 1 0 1 1 0 0 1 1 1 0
218
Statistika dalam Penilaian Hasil Belajar
26 0 0 1 0 1 1 0 0 1 0 0 1
27 0 1 0 0 0 1 0 0 1 1 0 0
28 1 1 0 1 0 0 0 1 0 1 1 0
29 0 0 0 0 1 1 0 0 1 1 0 1
30 1 1 1 1 1 0 0 0 0 1 0 1
31 1 0 1 0 1 0 0 1 0 0 1 0
32 t t 0 1 0 1 0 1 0 1 0 1
33 0 0 0 0 0 0 0 0 0 0 0 0
34 1 1 1 1 1 1 1 1 1 1 1 1
35 0 0 1 0 0 1 1 1 0 0 1 1
36 0 0 0 0 0 0 1 0 0 0 0 0
37 1 1 0 1 0 0 0 0 1 1 0 0
38 1 1 0 0 0 0 0 1 1 1 1 1
39 0 0 0 0 1 1 0 0 0 0 1 1
40 0 0 1 1 1 1 0 0 0 0 0 0
41 1 1 1 1 0 0 1 1 1 1 0 0
42 1 1 0 0 0 0 1 1 1 1 0 0
43 1 0 0 0 1 1 0 0 1 0 0 0
44 0 0 1 1 1 1 0 0 0 0 1 1
45 0 1 1 1 1 0 1 1 0 1 1 1
46 0 1 1 0 0 0 1 1 0 1 0 0
47 1 1 0 0 0 1 1 0 1 1 0 0
48 1 0 0 1 0 1 0 0 1 0 1 1
49 1 0 0 1 1 1 0 1 1 0 1 1
50 1 0 1 1 1 0 0 1 1 0 1 0
51 1 1 1 0 1 0 1 1 1 1 0 0
52 0 1 1 0 1 0 1 0 0 1 0 1
53 1 1 1 0 1 1 1 0 1 1 0 1
54 1 1 1 1 0 1 1 0 1 1 1 1
55 0 1 0 1 1 1 1 1 1 1 1 0
B
S
p
q
Tabel 2.75. Data jawaban huruf terhadap 13 butir tes objektif oleh 30 siswa.
219
Statistika dalam Penilaian Hasil Belajar
Soal B D B A C B C D E D C C D
1 2 3 4 5 6 7 8 9 10 11 12 13
1 D D D A A A B C D E D C C
2 A B B A A C B D E E C C C
3 D D D A A A B D D E C A C
4 D D B E A A D D D E B C C
5 B C D A C A D D D C B C B
6 D B B C C A D B D C C C C
7 B B D A C A B D D C A C C
8 D A D A C C D D B C C B D
9 B A D D C C A B D C A B D
10 B A B A C C D D D C C D D
11 B A D B E C D D B E C B B
12 B A A A D A B C D D D C D
13 C A D A E C D B D D E C D
14 E A D A B C B B C D A C B
15 C D B D B D D A B D B D D
16 C A D B D D B A B B D D D
17 C B B D D B B A B D D B C
18 D A D A B D D B D A B D C
20 B A B D D D B D D D D D C
21 A D B D D B D D B D B D D
22 A B D D B D A B D B D B D
23 C D D B D D D D D D B D D
24 C A B D D B D D B A D D B
25 C D D A B D D B D D A B D
26 C D D D D D B D D D D D D
27 A B C D D B D D B B D D B
28 C D B B C D A B D D B C D
29 C B B D B D D D D B D B D
30 C D A B B C D D B D B B C
B
S
p
q
220
Statistika dalam Penilaian Hasil Belajar
Tabel 2.76. Data jawaban huruf terhadap 24 butir tes objektif oleh 40 siswa
221
Statistika dalam Penilaian Hasil Belajar
29 d e a a b a a c e a b d a a a a c e a b d d e
30 a a c e a b d a a b e a b d d d e e a e a b d
31 b e a b d d d e b d b d d e a a a b d b d d e
32 d b d d e a a a d a d d e a a c e b c b c e b
33 a d d e a a c e a a e a a c e a b e b e b c e
34 a e a a c e a b a e b c e a b d d b c b c e a
35 e b c e a b d d e b e a b d d e a e a e a b d
36 b e a b d d e a b d c d e b c e a a e a b b c
37 d c d e b c e a d c b d d e a a b c d c d e b
38 c b d d e a a b c a d e a a b c d d e d e a a
39 a d e a a b c d a b a a c e a b d a a a a c e
40 b a a c e a b d b a b d a a a a c e a b d d e
B
S
p
q
pq
14. Tentukan korelasi biserial dari masing-masing butir tes dari data pada tabel
berikut.
Tabel 2.77. Sekor hasil ujian Matematika untuk 20 butir tes objektif
yang dijawab oleh 20 orang siswa.
Sis
wa 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 1
1 0 0 1 1 0 1 0 1 1 0 1 0 0 0 0 0 1
2 1 0 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1
3 1 0 1 0 0 1 1 1 1 0 1 0 0 1 0 0 1
4 0 0 0 1 0 0 0 1 1 1 1 0 0 1 0 0 1
5 0 0 1 1 0 1 1 1 0 0 1 0 0 0 0 0 1
6 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1
7 0 0 0 1 0 1 1 1 1 0 0 0 0 1 0 1 1
8 0 0 1 1 0 1 1 1 0 1 0 1 0 1 0 1 0
9 1 1 1 1 0 0 0 1 1 0 1 0 0 1 1 0 1
10 0 1 0 1 1 1 0 0 0 1 1 0 1 0 0 0 1
11 0 0 0 1 0 1 1 0 1 0 0 0 0 0 0 1 1
12 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0
13 0 0 0 1 0 0 1 1 1 0 1 0 0 1 0 0 1
14 1 0 0 1 0 1 1 1 1 1 0 0 0 1 1 0 0
222
Statistika dalam Penilaian Hasil Belajar
15 0 1 1 0 1 1 0 1 0 1 1 1 0 0 1 1 0
16 1 1 1 1 1 0 0 1 0 1 1 0 0 1 1 1 0
17 1 1 1 0 1 1 1 1 1 1 1 1 1 0 0 1 1
18 1 1 1 1 1 0 1 1 0 1 0 0 1 1 1 1 1
19 0 1 1 0 1 1 0 1 1 1 0 1 1 0 0 1 1
20 1 0 1 1 0 0 1 1 1 1 0 0 1 1 1 1 1
∑ 10 7 12 14 6 11 10 16 12 12 11 4 6 11 6 11 15
st
15. Pada Tabel berikut diketahui data dikotomi X dan data kontinu Y dari 50
siswa. Hitung korelasi biserial titiknya.
Tabel 2.78. Data dikotomi X dan data kontinu Y dari 50 siswa
No X Y Y0 Y1
1 1 17 ... ...
2 1 13 ... ...
3 1 13 ... ...
4 0 15 ... ...
5 0 15 ... ...
6 0 16 ... ...
7 1 16 ... ...
8 0 17 ... ...
9 1 25 ... ...
10 0 50 ... ...
11 1 57 ... ...
12 0 47 ... ...
13 0 55 ... ...
14 1 68 ... ...
15 1 70 ... ...
16 1 82 ... ...
17 1 66 ... ...
18 0 75 ... ...
19 0 38 ... ...
20 1 44 ... ...
21 0 66 ... ...
22 1 88 ... ...
23 0 90 ... ...
24 1 16 ... ...
25 0 17 ... ...
223
Statistika dalam Penilaian Hasil Belajar
26 0 25 ... ...
27 1 50 ... ...
28 1 57 ... ...
29 0 47 ... ...
30 0 55 ... ...
31 1 68 ... ...
32 1 70 ... ...
33 1 82 ... ...
34 1 66 ... ...
35 0 75 ... ...
36 1 38 ... ...
37 1 44 ... ...
38 0 66 ... ...
39 0 88 ... ...
40 0 90 ... ...
41 0 36 ... ...
42 1 17 ... ...
43 1 35 ... ...
44 1 25 ... ...
45 1 44 ... ...
46 1 32 ... ...
47 0 45 ... ...
48 1 43 ... ...
49 1 62 ... ...
50 0 74 ... ...
Dengan demikian:
p …
q …
Yo …
Y1 …
Y …
pb …
224
Statistika dalam Penilaian Hasil Belajar
16. Pada Tabel berikut diketahui data dikotomi X (jawaban butir tes) dan data
kontinu Y (sekor total) dari hasil ujian 75 siswa.
Hitung korelasi biserial titiknya
No X Y Y0 Y1
1 1 60 ... ...
2 1 95 ... ...
3 1 78 ... ...
4 0 67 ... ...
5 0 73 ... ...
6 0 53 ... ...
7 1 75 ... ...
8 0 85 ... ...
9 1 76 ... ...
10 0 86 ... ...
11 1 77 ... ...
12 0 65 ... ...
13 0 80 ... ...
14 1 87 ... ...
15 1 67 ... ...
16 1 55 ... ...
17 1 78 ... ...
18 0 87 ... ...
19 0 93 ... ...
20 1 83 ... ...
21 0 75 ... ...
22 1 85 ... ...
23 0 86 ... ...
24 1 66 ... ...
25 0 77 ... ...
26 0 85 ... ...
27 1 80 ... ...
28 1 77 ... ...
29 0 87 ... ...
30 0 75 ... ...
31 1 68 ... ...
32 1 70 ... ...
33 1 82 ... ...
225
Statistika dalam Penilaian Hasil Belajar
34 1 66 ... ...
35 0 75 ... ...
36 1 78 ... ...
37 1 84 ... ...
38 0 66 ... ...
39 0 88 ... ...
40 0 90 ... ...
41 0 76 ... ...
42 1 87 ... ...
43 1 75 ... ...
44 1 85 ... ...
45 1 64 ... ...
46 1 72 ... ...
47 0 75 ... ...
48 1 83 ... ...
49 1 92 ... ...
50 0 74 ... ...
51 1 85 ... ...
52 1 50 ... ...
53 1 57 ... ...
54 1 47 ... ...
55 0 55 ... ...
56 0 68 ... ...
57 1 70 ... ...
58 0 82 ... ...
59 1 66 ... ...
60 0 75 ... ...
61 1 38 ... ...
62 0 44 ... ...
63 0 66 ... ...
64 1 88 ... ...
65 1 90 ... ...
66 0 36 ... ...
67 0 57 ... ...
68 1 65 ... ...
69 1 75 ... ...
70 1 84 ... ...
71 0 82 ... ...
72 0 75 ... ...
73 0 86 ... ...
226
Statistika dalam Penilaian Hasil Belajar
74 1 77 ... ...
75 0 95 ... ...
Dengan demikian:
p …
q …
Yo …
Y1 …
Y …
pb …
17. Pada Tabel berikut diketahui data dikotomi X (jawaban butir tes) untuk dan
data Y (sekor total ) dari 100 siswa. Hitung korelasi biserial titiknya
Tabel 2.80. Data dikotomi X dan data kontinu Y dari 100 siswa
N0 X Y Y0 Y1
1 1 25 ... ...
2 1 35 ... ...
3 0 25 ... ...
4 0 44 ... ...
5 1 32 ... ...
6 1 45 ... ...
7 1 43 ... ...
8 1 62 ... ...
9 0 74 ... ...
10 1 25 ... ...
11 1 50 ... ...
12 0 57 ... ...
13 0 47 ... ...
14 0 55 ... ...
15 0 68 ... ...
16 1 70 ... ...
17 1 82 ... ...
18 1 66 ... ...
19 1 75 ... ...
20 1 38 ... ...
21 0 44 ... ...
227
Statistika dalam Penilaian Hasil Belajar
22 1 15 ... ...
23 1 16 ... ...
24 0 16 ... ...
25 1 17 ... ...
26 1 25 ... ...
27 1 50 ... ...
28 1 57 ... ...
29 0 47 ... ...
30 0 55 ... ...
31 1 68 ... ...
32 0 70 ... ...
33 1 82 ... ...
34 0 66 ... ...
35 1 75 ... ...
36 0 38 ... ...
37 0 44 ... ...
38 1 66 ... ...
39 1 88 ... ...
40 0 90 ... ...
Dengan demikian:
p …
q …
Yo …
Y1 …
Y …
pb …
228
Statistika dalam Penilaian Hasil Belajar
17. Pada Tabel berikut diketahui data dikotomi X (jawaban butir tes) untuk dan
data Y (sekor total ) dari 100 siswa. Hitung korelasi biserial titiknya
Tabel 2.80. Data dikotomi X dan data kontinu Y dari 100 siswa
N0 X Y Y0 Y1
1 1 25 ... ...
2 1 35 ... ...
3 0 25 ... ...
4 0 44 ... ...
5 1 32 ... ...
6 1 45 ... ...
7 1 43 ... ...
8 1 62 ... ...
9 0 74 ... ...
10 1 25 ... ...
11 1 50 ... ...
12 0 57 ... ...
13 0 47 ... ...
14 0 55 ... ...
15 0 68 ... ...
16 1 70 ... ...
17 1 82 ... ...
18 1 66 ... ...
19 1 75 ... ...
20 1 38 ... ...
21 0 44 ... ...
22 1 15 ... ...
23 1 16 ... ...
24 0 16 ... ...
25 1 17 ... ...
26 1 25 ... ...
27 1 50 ... ...
28 1 57 ... ...
29 0 47 ... ...
30 0 55 ... ...
31 1 68 ... ...
32 0 70 ... ...
33 1 82 ... ...
34 0 66 ... ...
229
Statistika dalam Penilaian Hasil Belajar
35 1 75 ... ...
36 0 38 ... ...
37 0 44 ... ...
38 1 66 ... ...
39 1 88 ... ...
40 0 90 ... ...
41 0 36 ... ...
42 1 17 ... ...
43 1 35 ... ...
44 1 25 ... ...
45 1 44 ... ...
46 1 32 ... ...
47 0 45 ... ...
48 1 43 ... ...
49 1 62 ... ...
50 0 74 ... ...
51 1 25 ... ...
52 1 50 ... ...
53 1 57 ... ...
54 1 47 ... ...
55 0 55 ... ...
56 0 68 ... ...
57 1 70 ... ...
58 0 82 ... ...
59 1 66 ... ...
60 0 75 ... ...
61 1 38 ... ...
62 0 44 ... ...
63 0 66 ... ...
64 1 88 ... ...
65 1 90 ... ...
66 0 36 ... ...
67 0 17 ... ...
68 1 35 ... ...
69 1 25 ... ...
70 1 44 ... ...
71 0 32 ... ...
72 0 45 ... ...
73 0 36 ... ...
74 1 17 ... ...
230
Statistika dalam Penilaian Hasil Belajar
75 0 35 ... ...
76 1 57 ... ...
77 1 47 ... ...
78 0 55 ... ...
79 0 68 ... ...
80 1 70 ... ...
81 1 82 ... ...
82 1 66 ... ...
83 1 75 ... ...
84 1 38 ... ...
85 0 44 ... ...
86 1 66 ... ...
87 1 88 ... ...
88 0 90 ... ...
89 1 36 ... ...
90 1 17 ... ...
91 1 35 ... ...
92 1 25 ... ...
93 0 44 ... ...
94 0 32 ... ...
95 1 45 ... ...
96 0 43 ... ...
97 1 38 ... ...
98 0 44 ... ...
99 1 66 ... ...
100 0 88 ... ...
Dengan demikian:
p …
q …
Yo …
Y1 …
Y …
pb …
231